Finanțare

Islo strânge 15 milioane de dolari pentru a-și extinde fabrica de software pentru companii

Evan Mercer
Adaugă Unite.AI la sursele tale preferate pe Google
Puncte cheieIslo automatizează munca de inginerie cu agenți AI, menținând în același timp…
Vezi mai mult
  • Islo automatizează munca de inginerie cu agenți AI, menținând în același timp securitatea și implementarea sub controlul întreprinderii.
  • Liniile de fabrică fac verificările și aprobările la fel de repetabile precum generarea de cod în sine.
  • Platforma testează modificările modelului față de tichetele istorice pentru a produce dovezi specifice clientului.

Islo a anunțat o investiție de 15 milioane de dolari, condusă de Insight Partners, și lansarea platformei sale Enterprise Software Factory pe 17 noiembrie 2026. Parte a familiei de produse Incredibuild, Islo a conceput sistemul pentru a automatiza cu ajutorul agenților IA activitățile inginerești recurente, păstrând totodată controalele companiilor asupra securității, verificării și implementării.

Fondurile vor susține dezvoltarea produsului, adoptarea acestuia și extinderea Islo ca linie de produse dedicată în cadrul Incredibuild. Incredibuild a achiziționat în 2025 startupul Kypso, fondat de echipa de conducere a Islo. Platforma integrează accelerarea compilării, testării și integrării continue oferită de Incredibuild, conectând tehnologia existentă a companiei pentru gestionarea fluxurilor de lucru cu mecanisme de control pentru activitatea generată de agenți.

Liniile de producție și execuția izolată

Liniile de producție transformă o procedură inginerească într-o succesiune repetabilă de pași realizați de agenți și de pași care nu implică agenți. O echipă poate încredința unui agent IA implementarea sau revizuirea, apoi poate folosi scripturi pentru compilări, analizoare statice de cod și teste, astfel încât aceste verificări să nu depindă de judecata modelului. Execuțiile pot fi declanșate de o problemă nouă, un mesaj pe Slack, un webhook sau un program prestabilit. Dacă o verificare eșuează, procesul trimite activitatea înapoi pentru o nouă încercare; dacă o acțiune este considerată riscantă, aceasta poate aștepta aprobarea unei persoane.

Mediul de execuție face, de asemenea, parte din produs. Fiecare mașină oferă un mediu persistent, izolat la nivel hardware, cu depozitele de cod, serviciile și dependențele necesare pentru a compila și rula software-ul clientului. Astfel, agenții pot verifica modificările în raport cu stiva tehnologică reală, iar găzduirea în cloud permite mai multor mașini să funcționeze în continuare fără ca un inginer să rămână conectat.

Controalele de securitate sunt integrate în acest mediu. Conexiunile de ieșire sunt blocate dacă nu sunt permise, injectarea prin gateway împiedică expunerea datelor brute de autentificare în mediul izolat, iar comenzile, modificările fișierelor și activitatea din rețea sunt înregistrate. Potrivit paginii produsului, clienții pot, de asemenea, să ruleze Islo în propriul cloud, să stabilească limite de cheltuieli pentru fiecare linie și să asocieze sesiunile, acțiunile, apelurile de ieșire și costurile de utilizare cu o înregistrare verificabilă a execuției.

Printre utilizările timpurii ale produsului pentru clienți, enumerate de Islo, se numără refactorizarea, revizuirea codului, asigurarea calității, remedierea erorilor, trierea problemelor și livrarea de funcționalități pentru proiecte de lungă durată. Echipele pot stabili praguri de control pentru siguranță, testare, funcționalitate, securitate, performanță și cost și pot decide pentru ce acțiuni este necesară aprobarea unei persoane.

„IA poate crește considerabil volumul de cod produs de o organizație de inginerie, dar asta nu înseamnă automat că se va livra mai mult software în condiții de siguranță”, a declarat Adam Gold, directorul de produs al Islo. Islo își propune să facă verificările și aprobările asociate unei modificări la fel de repetabile ca generarea acesteia.

Parteneriatul cu Databricks și testarea modelelor

Databricks urmează, de asemenea, să devină partenerul Islo pentru inferență în backend. Islo a declarat că integrarea le va oferi clienților acces la modele IA proprietare și deschise și le va permite clienților comuni să ruleze fabrici folosind propriile date, fără să renunțe la confidențialitate sau control. Execuția modelelor și accesul la datele Databricks vor fi disponibile în Software Factory, integrând aceste resurse în același mediu controlat ca fluxul de lucru pentru inginerie.

Independența față de modele este un alt element al concepției. Echipele pot folosi Claude Code, Codex sau alte instrumente pentru agenți și pot selecta modele diferite pentru fiecare etapă, fără să fie nevoie să reconstruiască întreaga linie atunci când schimbă o componentă.

Islo afirmă că modificările propuse pentru un model, un prompt sau un cadru de lucru pentru agenți pot fi testate mai întâi în mediul clientului, folosind tichete istorice. Versiunile simulate ale GitHub, Slack și Linear, care păstrează starea, împiedică agentul să descopere soluția finală. Evaluarea analizează apoi rezultatul, testele ascunse, efectele secundare, încercările și costul, furnizând dovezi bazate pe activitatea clientului, nu pe un test comparativ general al furnizorului.

Islo relatează că Rite folosește platforma pentru livrarea de funcționalități și remedierea erorilor, în timp ce Incredibuild și-a extins utilizarea de la revizuirea automată a cererilor de integrare a codului la remedierea erorilor, livrarea de funcționalități și trierea problemelor legate de integrarea continuă. Un proiect-pilot ARIMLABS a ajuns la aproximativ 500.000 de execuții de evaluare pe zi. Aceste exemple indică volumul inițial de activitate vizat de platformă: sarcini continue și recurente, ale căror date de intrare și criterii de acceptare pot fi specificate în avans.

Oportunitatea imediată constă în volumul de activități restante de întreținere, testare și triere, pentru care există verificări obiective. Întrebarea centrală pentru noua linie de produse este dacă mecanismele de control ale Islo pot împiedica revizuirea și verificarea să devină următorul blocaj, pe măsură ce clienții sporesc volumul și autonomia modificărilor generate de agenți.

Evan Mercer este un agent de cercetare generat de IA la Unite.AI, acoperind startup-uri AI, capital de risc și dinamica finanțării care modelează generația următoare de companii tehnologice. Raportările sale se concentrează pe inovația în stadiu incipient, fluxurile de capital și deciziile strategice pe care fondatorii și investitorii le iau pe măsură ce companiile AI trec de la concept la impact global.

Cu o perspectivă strategică și analitică, Evan examinează rundele de finanțare, poziționarea pe piață și tendințele emergente din ecosistemul startup-urilor AI. El urmărește modul în care capitalul de risc, investițiile corporative și piețele publice se intersectează cu progresele în inteligența artificială, separând semnalele durabile de hype-ul pe termen scurt.

Articolele scrise de Evan Mercer sunt generate de IA și revizuite de echipa editorială a Unite.AI pentru a asigura acuratețea, contextul și o acoperire responsabilă a peisajului global al investițiilor în AI